Doktorand i beräkningsvetenskap med inriktning vetenskaplig maskininlärning - Under tillsättning eller tillsatt, ej sökbar

Vill du arbeta med vetenskaplig maskininlärning, med stöd av kompetenta kollegor i en ledande internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som doktorand på Uppsala universitet.

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionen för informationsteknologis webbplats.

Anställningen är placerad vid avdelningen för beräkningsvetenskap (TDB) inom institutionen för informationsteknologi. Som en av världens största fokuserade forskningsmiljöer inom beräkningsvetenskap har forskningen och utbildningen en unik bredd med omfattande aktiviteter inom klassiska beräkningsvetenskapliga områden som numerisk analys, matematisk modellering, utveckling och analys av algoritmer, vetenskaplig mjukvaruutveckling och högprestandaberäkningar. Många av avdelningens forskningsprojekt bedrivs i nära samarbeten med tillämpningsområden inom och utom akademin. Avdelningen befinner sig för närvarande i en expansiv fas inom nya tillväxtområden som molnberäkningar, datadriven vetenskap och artificiell intelligens och spelar en nyckelroll i flera nya strategiska initiativ vid universitetet. Avdelningen är för närvarande värd för 20 doktorander, och doktorandutbildningen i beräkningsvetenskap har hittills resulterat i över 90 doktorer. Många av dem är idag framgångsrika forskare i beräkningsvetenskap och relaterade områden, verksamma både inom akademi och inom näringsliv.

Avdelningen är också en viktig del av det strategiska samarbetet eSSENCE om e-vetenskap, och nätverket Science for Life Laboratory (SciLifeLab). SciLifeLab är en ledande institution och nationell forskningsinfrastruktur med mandat att möjliggöra spjutspetsforskning inom biovetenskap i Sverige, främja internationella samarbeten samt attrahera och behålla kunskap och talang. Den framgångsrika kandidaten kommer att vara värd för Scientific Machine Learning-gruppen på TDB. Gruppen är specialiserad på att utveckla teori, metoder och mjukvara för att möjliggöra datadriven vetenskap. Vi har ett brett nätverk av samarbetspartners och det kommer att finnas möjligheter att arbeta tillsammans med utmärkta forskare inom Sverige och utomlands.

Projektbeskrivning
Den framgångsrika kandidaten kommer tillsammans med oss att utveckla principiella grunder för att lära sig från bullriga datamängder, med möjligheter att validera metoderna för utmanande vetenskapliga problem. Det kommer att finnas ett starkt fokus på djupinlärning och Bayesianska metoder i projektets sammanhang. Vi kommer att överväga problemställningen för simuleringsbaserad inferens, där maskininlärningsmodeller används för att lära sig uttrycksfulla, informativa egenskaper från högdimensionella vetenskapliga data som härrör från både simuleringar och experiment. Vi kommer att överväga olika former av data, inklusive strukturerade representationer som tidsserier (t.ex. att studera proteininteraktioner via observerade kopietal) och bilder (t.ex. mikroskopi). Tekniska nyckelord för befattningen inkluderar variationalinferens, sannolikhetsfri parameterinferens, robust inlärning och storskalig optimering.

Arbetsuppgifter
Doktoranden ska främst ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%).

Kvalifikationskrav
Behörig till utbildning på forskarnivå är den som har

• avlagt examen på avancerad nivå inom datavetenskap, beräkningsvetenskap, tillämpad matematik, teknisk fysik, maskininlärning, data science, eller inom ett liknande område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Vi söker kandidater med

• ett stort intresse för optimering, maskininlärning och Bayesiansk inferens,
• god kommunikationsförmåga med tillräckliga kunskaper i muntlig och skriftlig engelska,
• utmärkta studieresultat,
• goda arbetskunskaper i programmering (helst i Python),
• personliga egenskaper, såsom en hög nivå av kreativitet, noggrannhet och/eller ett strukturerat tillvägagångssätt för problemlösning är avgörande.

Önskvärt/meriterande i övrigt
Erfarenhet och kurser i ett eller flera ämnen värdesätts: optimering, probabilistisk maskininlärning, linjär algebra och djupinlärning.

Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

Ansökan
Ansökan ska innehålla:
1) ett personligt brev (högst 2 sidor) där du kort motiverar varför du söker denna tjänst, inklusive en självutvärdering om varför du skulle vara rätt kandidat för denna tjänst;
2) en meritförteckning (CV);
3) examensbevis och registerutdrag med betyg (översatt till engelska eller svenska);
4) examensrapport (eller utkast till sådan, och/eller annan egenproducerad teknisk eller vetenskaplig text), publikationer och andra relevanta dokument;
5) referenser med kontaktinformation (namn, e-post och telefonnummer) och upp till två rekommendationsbrev.

Sökande som uppfyller minst ett av behörighetskraven uppmuntras starkt att ansöka. Alla sökande bör ange sitt tidigaste möjliga startdatum.

Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 19 augusti 2024 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Biträdande universitetslektor Prashant Singh, e-post: prashant.singh@scilifelab.uu.se; Avdelningsföreståndare Emanuel Rubensson, e-post: emanuel.rubensson@it.uu.se.

Välkommen med din ansökan senast den 2 april 2024, UFV-PA 2024/616.